《表1 特征选项:基于深度学习的网络流量异常预测方法》
2017年,加拿大新布伦瑞克大学(UNB)信息安全卓越中心(ISCX)发布了一个名为CICIDS2017的入侵检测数据集。CICIDS2017涵盖了常见的安全网络事件的所有11个必要标准,如DoS、DDoS、Bruteforce、XSS,SQL注入、Infiltration、PortScan和Botnet。通过使用加拿大网络安全研究所网站公开提供的CICFlowMeter软件,数据集被标记为正常和异常并被提取出了80多个网络流量特征。根据ImanSharafaldin[32],在实验中选择包含了表1中显示的每种攻击对应最佳选择功能特征值,共计33个。
图表编号 | XD00133678200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.15 |
作者 | 黎佳玥、赵波、李想、刘会、刘一凡、邹建文 |
绘制单位 | 武汉大学国家网络安全学院空天信息安全与可信计算教育部重点实验室、武汉大学国家网络安全学院空天信息安全与可信计算教育部重点实验室、武汉大学国家网络安全学院空天信息安全与可信计算教育部重点实验室、武汉大学国家网络安全学院空天信息安全与可信计算教育部重点实验室、武汉大学国家网络安全学院空天信息安全与可信计算教育部重点实验室、武汉大学国家网络安全学院空天信息安全与可信计算教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |